普通网友 2025-12-10 10:15 采纳率: 98.6%
浏览 15
已采纳

ICLR论文为何普遍引用arXiv预印本？

为什么ICLR论文普遍引用arXiv预印本而非正式发表的期刊版本？这种引用习惯是否影响学术评价的严谨性？在机器学习领域，研究成果往往优先发布在arXiv上以抢占优先权，而ICLR等顶会审稿周期较短，导致论文引用的仍是预印本版本。这引发了一系列问题：arXiv版本可能未经同行评审，存在表述不严谨或实验不充分的风险；作者后续修改后的内容与引用版本不一致，造成可复现性难题。此外，学术评价体系是否应承认arXiv引用的合法性？如何平衡传播速度与学术规范？
  • 写回答

1条回答 默认 最新

  • Nek0K1ng 2025-12-10 10:26
    关注
    <html></html>

    一、ICLR论文为何普遍引用arXiv预印本？

    在机器学习与人工智能领域，特别是顶级会议如ICLR（International Conference on Learning Representations）中，研究者普遍选择引用arXiv上的预印本而非最终的期刊版本。这一现象的背后，是学术传播机制与科研评价体系共同作用的结果。

    1. 快速发布抢占先机：arXiv允许作者在完成初稿后立即公开成果，无需等待同行评审周期。对于竞争激烈的AI领域，时间即影响力。
    2. 社区认可度高：ML社区已形成“arXiv即首发平台”的共识，许多突破性工作（如Transformer、Diffusion Models）均首现于arXiv。
    3. 会议审稿周期短但反馈快：ICLR采用双盲评审，周期约3-4个月，而期刊可能长达一年以上，导致引用时正式版本尚未出版。
    4. 版本一致性问题：多数引用基于投稿时可用的arXiv版本，即便后续被会议接收或期刊发表，引用仍锁定早期版本。
    5. DOI与引用规范缺失：部分学者认为arXiv无传统DOI，但实际已有arXiv DOI支持，技术上已可追溯。

    二、引用预印本对学术严谨性的影响分析

    影响维度潜在风险现实表现
    科学严谨性未经同行评审，可能存在方法缺陷高影响力论文通常经社区广泛验证
    结果可复现性代码/数据未同步更新，版本漂移GitHub链接常随arXiv更新，缓解该问题
    引用准确性引用v1，实际使用v3，导致误解部分论文在摘要注明“Updated version”
    学术评价公平性评审无法参考最终修订版会议接收本身构成质量筛选机制
    知识演进追踪难以追溯思想演变路径arXiv提供版本历史（e.g., v1→v5）

    三、从技术流程看arXiv到ICLR的演化路径

    
1. 作者完成初稿 → 提交至 arXiv (v1)
2. 同步提交至 ICLR 双盲评审系统
3. 审稿期间社区通过 Twitter / Reddit / OpenReview 讨论
4. 若被接收 → 更新 arXiv 版本标注 [ICLR 2025]
5. 引用者多基于 v1 或 v2 进行引用（早于会议结果）
6. 后续研究复现时可能忽略版本差异 → 导致实验偏差
    graph TD A[撰写论文] --> B{发布方式} B --> C[上传arXiv v1] B --> D[直接投期刊] C --> E[提交ICLR] E --> F{评审结果} F --> G[接收] --> H[更新arXiv为v2+] F --> I[拒稿] --> J[修改后重投或发新版本] H --> K[被广泛引用（仍指向v1）]

    四、解决方案与行业实践建议

    • 强制引用最新版本：建议引用时注明arXiv版本号（如arXiv:2305.12345v3），并在参考文献中标注是否已被会议/期刊接收。
    • 建立跨版本映射机制：Google Scholar、Semantic Scholar 已支持关联不同版本，应推广至所有学术数据库。
    • 推动“动态引用”标准：类似DOI Resolver机制，实现引用自动跳转至最新稳定版。
    • 会议与arXiv联动认证：ICLR可与arXiv合作，在接收后自动添加官方标识（如“ICLR 2025 Accepted”水印）。
    • 提升评审透明度：OpenReview.net 模式值得推广，使预印本阶段即可获得结构化反馈。
    • 机构评价政策调整：高校与企业招聘、晋升中应承认高质量预印本贡献，避免唯期刊论。
    • 加强作者责任意识：鼓励作者在更新版本时明确说明修改内容（如“Added ablation studies in v2”）。
    • 开发自动化工具链：构建插件检测引用版本是否为最新，并提示用户潜在偏差。
    五、未来趋势：速度与规范的再平衡

    随着ML领域持续高速迭代，单纯依赖传统期刊评审已不现实。未来的学术基础设施需融合以下特征：

    1. 实时版本控制集成（Git + arXiv）
    2. 去中心化学术身份系统（如ORCID联动）
    3. 智能引用推荐引擎（基于语义匹配最新有效版本）
    4. 社区驱动的质量评分机制（类似Stack Overflow）
    5. 预印本平台内置轻量级同行评审通道
    6. 会议-期刊-预印本三方元数据互通协议
    7. 可执行论文（Executable Papers）成为标配
    8. AI辅助的事实核查模块嵌入写作流程
    9. 开放评审记录永久存档
    10. 跨语言摘要自动生成以提升可及性
    本回答被题主选为最佳回答 , 对您是否有帮助呢?
    评论

报告相同问题？

问题事件

  • 已采纳回答 12月11日
  • 创建了问题 12月10日